脑机接口 / BCI

What the LLM Should Not Say: Boundary-Aware Context Grounding for A Seven-Channel EEG Agent

面向低通道EEG智能体的边界感知上下文接地

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉冲元素智能科技有限公司（NeuraDock）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出NeuraDock Agent架构，通过分离确定性本地EEG引擎与硬件感知语言层，实现LLM对低通道EEG数据的边界感知接地，经288次测试验证了系统在数值重复性、故障恢复和边界感知方面的有效性。

Comments 25 pages, 6 figures

NeuraDock Visual Cognitive Load Agent Tutorial: A Quality-Gated Open-Source EEG Workflow for Alpha Dynamics and Real-Time Applications

NeuraDock 视觉认知负荷代理教程：面向 Alpha 动态与实时应用的质量门控开源 EEG 工作流

Zhiyuan Xu, Yueqing Dai, Junling Li, Junwen Luo

机构 * Shanghai Pulse Element Intelligent Technology Co., Ltd. (NeuraDock)（上海脉元智能科技有限公司（NeuraDock）） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 提出 NeuraDock Agent 开源 EEG 代理，通过质量门控工作流实现 Alpha 动态分析和视觉认知负荷实时应用，弥合离线与在线分析差距。

Comments 22 pages, 10 figures

Breaking Shortcut Learning for Cross-Trial EEG-Guided Target Speech Extraction via Two-Stage Training

通过两阶段训练打破跨试验EEG引导目标语音提取中的捷径学习

Wonchul Shin, Inyong Choi, Kyogu Lee

机构 * Department of Intelligence and Information（智能信息系） ； Seoul National University（首尔国立大学） ； Department of Communication Sciences and Disorders（沟通科学与障碍系） ； University of Iowa（爱荷华大学） ； Interdisciplinary Program in Artificial Intelligence（人工智能交叉学科项目） ； Artificial Intelligence Institute（人工智能研究所） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)

AI总结 针对EEG引导目标语音提取中模型依赖试验特定结构导致泛化差的问题，提出两阶段框架TRUST-TSE，通过对比预训练和置信加权提取目标抑制捷径学习，在跨试验协议下优于端到端基线。

Comments Accepted by Interspeech 2026

Not All EEG Moments Are Equal: Position-Adaptive Time Scheduling for EEG Generation

并非所有脑电（EEG）时刻都平等：面向脑电生成的位置自适应时间调度

Boheng Liu, Ziyu Li, Chenghua Duan, Qing Li, Xia Wu

专题命中 EEG解码 ：EEG(title,title_cn)；brain computer interface(abstract)；分类 eess.SP、cs.LG

AI总结 针对现有脑电生成方法忽略脑电时刻异质性的问题，提出基于条件流匹配的自适应框架，引入位置自适应时间调度等模块，在三类脑电数据集上优于基线，提升生成质量与下游任务性能。

Deep Learning CNN and Recurrence Analysis for Alpha Gamma EEG Biomarkers in Fragile X Syndrome

用于脆性X综合征α和γ脑电学生物标志物的深度学习CNN与递归分析

Zag ElSayed, Payton Siekierski, Jack Yanchen Liu, Ernest Pedapati

机构 * School of Information Technology (SoIT), University of Cincinnati（辛辛那提大学信息技术学院） ； Division of Child and Adolescent Psychiatry Cincinnati Children’s Hospital Medical Center（辛辛那提儿童医院医学中心儿童与青少年精神病学科） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 本研究提出整合CNN、LSTM与RP分析的多表征深度学习框架，通过分析FXS患者α、γ频段EEG信号，实现优于单模态基线的自动表型表征，为FXS生物标志物开发提供了可扩展方法。

Comments 14 pages, 4 figures, conference

Journal ref Springer ISBCom 2026

A spectral audit framework reveals task-dependent aperiodic reliance across EEG and ECG deep learning

频谱审计框架揭示EEG和ECG深度学习中任务依赖的非周期性依赖

Jasmeet Singh Bindra, Siddharth Panwar

机构 * Indian Knowledge Systems and Mental Health Applications (IKSMHA) Center, Indian Institute of Technology Mandi（印度理工学院曼迪分校印度知识体系与心理健康应用中心） ； School of Computing and Electrical Engineering, Indian Institute of Technology Mandi（印度理工学院曼迪分校计算与电气工程学院） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；motor imagery(abstract)；分类 eess.SP、cs.LG

AI总结 提出频谱审计框架，结合非周期/周期分解、相位保持傅里叶干预等，发现深度学习模型对非周期成分的依赖是任务依赖且架构通用的，在睡眠-觉醒分类中影响显著，临床异常检测中中等，运动想象中最小，并扩展到ECG。

Comments 25 pages, being prepared for submission to peer-reviewed journal

MindAU: EEG-Conditioned Facial Action Unit Editing via Dual-Stream Manifold Alignment

MindAU: 基于双流流形对齐的脑电条件面部动作单元编辑

Zhenhang Li, Xin Zhou, Hao Deng, Lijun Yin

机构 * Binghamton University（宾汉姆顿大学） ； Massachusetts General Hospital（马萨诸塞综合医院） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；neural signal(abstract)；分类 cs.LG

AI总结 提出MindAU框架，通过双流流形对齐将EEG特征与AU文本语义和视觉位移对齐，实现高保真身份保持的面部动作单元编辑。

Towards Robust EEG Decoding Based on Riemannian Self-Attention

基于黎曼自注意力的鲁棒脑电解码方法

Shaocheng Jin, Tao Zhou, Rui Wang, Ziheng Chen, Xiaoqing Luo, Xiaojun Wu, Josef Kittler

机构 * School of Artificial Intelligence and Computer Science（人工智能与计算机科学学院） ； Jiangnan University（江南大学） ； Department of Information Engineering and Computer Science（信息工程与计算机科学系） ； University of Trento（特伦托大学） ； Centre for Vision, Speech and Signal Processing (CVSSP)（视觉、语音与信号处理中心） ； University of Surrey（萨里大学） 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract,abstract_cn)；brain-computer interface(abstract)；分类 cs.LG

AI总结 针对脑电解码中信号低信噪比和现有黎曼方法依赖特定度量的局限，提出基于Bures-Wasserstein度量的黎曼自注意力网络及其可推广版本GBWAtt，在三个数据集上验证了鲁棒性和有效性。

Comments Accepted by KDD 2026

NeuroSonic: Conditional Flow Matching for EEG-to-Speech Reconstruction

NeuroSonic: 用于脑电图到语音重建的条件流匹配

Wenhao Gao, Yifan Wang, Yijia Ma, Carl Yang, Wen Li, Chenyu You

机构 * Stony Brook University（石溪大学） ； University of Texas Health Center at Houston（德克萨斯大学休斯顿健康科学中心） ； Emory University（埃默里大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；cortical(abstract)；分类 cs.LG

AI总结 提出NeuroSonic条件流匹配框架，通过学习确定性概率流速度场将噪声声学状态传输到干净语音，解决EEG信号弱、空间弥散与语音强谐波结构之间的不匹配问题，在CineBrain和EAV基准上提升感知质量达26.3%。

Comments Accepted by MICCAI 2026

CogEEGAgent: Toward Autonomous Cognitive EEG Analysis with Grounded Execution and Selection-Aware Verification

CogEEGAgent：通过基于执行和选择感知验证实现自主认知脑电图分析

Dengzhe Hou, Lingyu Jiang, Fangzhou Lin, Kazunori D Yamada

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 q-bio.NC、eess.SP

AI总结 研究针对认知EEG分析需专业知识及选择多的问题，提出基于MNE-Python的CogEEGAgent代理，LLM解释意图，确定性组件验证控制，在基准测试等中表现良好，建立了有限自主性和可审计自动化框架。

Comments 16 pages, 5 figures, and 16 tables. The supplementary material is included in the same PDF

Neonatal Hypoxic-ischaemic Encephalopathy Classification from the EEG and HRV Signals Using a Conformer based Masked Autoencoder

基于基于Conformer的掩码自动编码器从脑电图和心率变异性信号中进行新生儿缺氧缺血性脑病分类

Shuwen Yu, William P Marnane, Geraldine B. Boylan, Gordon Lightbody

机构 * University College Cork（科克大学学院） ； INFANT Research Centre（婴儿研究中心） ； Pediatrics and Child Health（儿科与儿童健康） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP、cs.LG

AI总结 研究提出MAEConformer自监督学习框架，结合Conformer与MAE从EEG和HRV信号学习。通过卷积与自注意力捕获模式与依赖，引入MR-STFT损失。模型预训练后用于下游任务，在EEG和HRV的HIE分类中表现出色，证明其学习鲁棒可转移表示的有效性。

Comments Paper submits to IEEE Transactions on Neural Networks and Learning Systems

Spatial Neighboring Scattering Transform: A Cross-Channel Amplitude Coupling Measure for EEG Connectivity

空间相邻散射变换：一种用于脑电连接性的跨通道幅度耦合测量方法

Md. Taksimul Ahsan Tawhid, Nasif Ahmed Rafe, Alif Tahmid Priyom, K. M. Mustafizur Rahman

专题命中 EEG解码 ：EEG(title,abstract)；BCI(abstract,abstract_cn)；motor imagery(abstract)；分类 q-bio.NC、eess.SP

AI总结 研究针对脑电连接性分析中现有方法的不足，引入空间相邻散射变换，通过扩展小波散射变换到多通道设置，获取幅度包络耦合及跨频率调制信息，经实验验证其能系统恢复相关耦合结构，为脑电分析提供新方法。

Comments 12 pages, 7 Figures

Which Metric Reflects the Spelling Rate Accuracy in Event-Related Potential-Based Brain-Computer Interfaces?

哪种指标能反映基于事件相关电位的脑机接口中的拼写速率准确性？

Okba Bekhelifi, Naoual El Djouher Mebtouche

机构 * Intelligent Systems Research Laboratory (LARESI)（智能系统研究实验室 (LARESI)） ； USTOMB（奥兰科技大学） 纠错

专题命中 EEG解码 ：BCI(summary_cn,abstract)；brain-computer interface(title)；分类 eess.SP、cs.LG

AI总结 研究通过分析13种指标与拼写速率的相关性，发现Brier分数、MCC、ROC AUC、PR AUC、AP和pAUC最能反映ERP-BCI中的拼写性能。

Comments paper is accepted for presentation at the 2026 IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence and Neural Engineering - IEEE MetroXRAINE 2026, Chemnitz, Germany

Coordinate-Queryable Neural Field Reconstruction for EEG Spatial Super-Resolution with Unseen-Electrode Generation

基于坐标可查询神经场重建的脑电图空间超分辨率与未见电极生成

Hongjun Liu, Leyu Zhou, Zijianghao Yang, Chao Yao

机构 * School of Intelligence Science and Technology, University of Science and Technology Beijing（信息科学与技术学院，北京科技大学） ； School of Computer and Communication Engineering, University of Science and Technology Beijing（计算机与通信工程学院，北京科技大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP、cs.LG

AI总结 针对实际部署中电极缺失和布局变化问题，提出将EEG空间超分辨率重构为从部分观测通道学习共享条件头皮场，通过位置引导编码器和条件隐式神经表示解码器实现未见电极信号生成，并引入保真通道损坏训练策略，在多个数据集上显著优于基线。

The Identity Trap in EEG Foundation Models: A Diagnostic Audit

脑电图基础模型中的身份陷阱：一项诊断性审计

Jun-You Lin, Ying Choon Wu, Tzyy-Ping Jung

机构 * National Yang Ming Chiao Tung University ； University of California, San Diego 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 q-bio.NC、cs.LG

AI总结 提出FMScope协议，通过方差分解、主题轴擦除等五种诊断方法，揭示EEG基础模型在受试者分离交叉验证中可能依赖受试者身份特征而非临床生物标志物，并验证了该陷阱的普遍性及可移除性。

Comments 28 pages, 6 figures, 8 tables. Code available at https://github.com/Jimmy110101013/fmscope

Universal BCI Personalization: One API for Frozen EEG Trunks and Foundation Models

通用脑机接口个性化：用于冻结脑电图主干和基础模型的单一应用程序编程接口

Sergey Musienko

机构 * NimbusBCI 纠错

专题命中 EEG解码 ：EEG(title,abstract)；BCI(title)；分类 q-bio.NC、cs.LG、cs.HC

AI总结 研究针对冻结脑电图编码器微调难的问题，提出Nimbus Personalizer，通过与主干无关的API，可在异构冻结主干上运行，在多数据集和基础编码器上验证，相比传统方法成本低且能恢复精度增益，结果具探索性。

Comments 20 pages, 12 figures. Companion paper on the control layer forthcoming

EEG-Based Characterization of Samatha and Vipassana Meditation States

基于脑电图的奢摩他与内观禅修状态的表征

M. A. B. C. A. Bandaranayake, K. P. U. Chandrathilake, J. L. S. Jayasekara, S. T. Piyasena, A. T. L. K. Samrasinghe, Wageesha N. Manamperi

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP

AI总结 本研究探究能否用EEG信号区分奢摩他与内观禅修状态，提取相关特征分析后发现δ频带存在显著状态差异，证实EEG指标可用于禅修的客观表征。

Comments Accepted for APSIPA ASC 2026

Design and Validation of a Portable EEG-tES Platform Supporting High-Rate EEG Recording and Temporal Interference Stimulation

支持高速脑电图记录和时间干扰刺激的便携式脑电图-经颅电刺激平台的设计与验证

Le Xing, Maoxing Liang, Disi A, Yifei Jia, Gaoxiang Xie, Linfeng Xu, Xiang'ao Chen, Jiebin Shi, Gang Pan, Bicheng Han

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 eess.SP

AI总结 本研究设计并验证了一款以MCU为核心的便携式EEG-tES平台，集成8通道EEG采集与2通道tES功能，具备高信号保真度与低刺激误差，为便携式闭环神经调控系统提供了实用基础。

Toward Annotation-Efficient Continuous Emotion Arousal Quantification via Group-Level EEG Dynamic Neural Synchrony

面向标注高效的连续情绪唤醒度量化：基于组水平脑电动态神经同步性

Guandong Pan, Yaqian Yang, Shi Chen, Yi Zheng, Yi Zhen, Hongwei Zheng, Shaoting Tang

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 该研究针对连续情绪唤醒度量化的手动标注瓶颈，提出用组水平EEG动态神经同步性（DNS）作为替代标记，经多数据集验证其有效性，为标注高效的连续情绪唤醒度量化提供了新途径。

Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data

用于临床脑电数据隐私保护联邦学习的安全聚合

Pouya Rajabi, Mohsen Toorani

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 该研究针对临床EEG数据联邦学习的隐私泄露问题，提出以掩码安全聚合为核心的隐私保护框架，经模拟医疗场景验证，半诚实变体开销低，恶意变体安全性强但开销更高。

Comments 27 pages, 6 figures, 7 tables. A version of this manuscript has been accepted for presentation at the International Workshop on Hot Topics at the Intersection of Distributed Machine Learning and Security (HotDiSec 2026), co-located with ESORICS 2026

S-CEReBrO: Breaking the Memory Barrier in Continuous EEG Monitoring

S-CEReBrO：突破连续脑电图监测中的内存瓶颈

Glenn Anta Bucagu, Thorir Mar Ingolfsson, Yawei Li, Luca Benini

机构 * ETH Zurich（苏黎世联邦理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Bologna（博洛尼亚大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 该研究针对连续EEG监测中Transformer架构的内存瓶颈，提出S-CEReBrO架构，通过窗口交替注意力实现内存恒定，在EEG下游任务中性能领先且效率提升。

Comments This is the pre-rebuttal version of a paper accepted at MICCAI 2026. The camera-ready version will be posted following the embargo

Adaptive Multi-Expert Graph Transformer for Interpretable EEG-Based Diagnostics

用于基于脑电图的可解释诊断的自适应多专家图变换器

Maryam Rahimimovassagh, Md Elias Hossain, Ivan Garibay, Niloofar Yousefi

机构 * University of Central Florida（中佛罗里达大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 研究基于EEG的诊断问题，提出空间多专家图变换器，将EEG记录建模为动态功能连接图序列，用wPLI估计连接性，经层次图编码和多专家架构实现亚型感知推理，实验证明该方法在异常检测上性能良好且具可解释性。

Deep Learning Approaches for Sleep Apnea Classification from Polysomnographic EEG Signals

基于多导睡眠图脑电图信号的睡眠呼吸暂停分类的深度学习方法

Shashank Manjunath, Mukesh Cheemakurthi, Aarti Sathyanarayana

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 研究基于儿科受试者单数据集多通道EEG，比较深度学习架构和特征表示自动检测睡眠呼吸暂停，评估视觉Transformer和图注意力网络在不同信号表示上的性能，通过年龄和性别匹配训练与测试，基于TDA特征的视觉Transformer模型取得最佳AUC，揭示性能差异及临床挑战。

Comments IEEE EMBC 2026

NeuroCommitSSM: Decision-Centric Shared Autonomy for Safe Assistive Manipulation via EEG-EMG-ET Commit Readiness

NeuroCommitSSM：通过脑电图-肌电图-眼动追踪提交准备实现安全辅助操作的以决策为中心的共享自主性

Tipu Sultan, Param Sangani, Kody Cool, Pascal Sikorski, Guangping Liu, Hadi Akbarpour, Madi Babaiasl

机构 * Saint Louis University（圣路易斯大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.RO

AI总结 NeuroCommitSSM是用于辅助机器人操作安全控制的以决策为中心框架，依EEG、EMG和ET预测提交分数转化为离散事件，经三状态监督器控制执行。实验表明其在多场景下准确率高、错误提交低，硬件验证减少错误启动和决策不稳定。

Comments Accepted at the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). 8 pages, 3 figures, and 8 tables

DS-MTNet:Structured Multi-Task EEG Decoding for Human-Machine Collaboration

DS-MTNet：用于人机协作的结构化多任务脑电解码

Xinjia Yu, Yang Zhou, Jing Yang, Tielin Shi, Tao Cheng

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 研究针对人机协作中操作员内部过程未充分融入机器感知的问题，提出DS-MTNet框架，集成多流并采用双门控机制，在驾驶EEG数据集测试中性能最佳，能统一组织相关脑电证据，为纳入神经证据到机器感知迈进了一步。

Comments 11 pages, 4 figures

EEG-SpikeAgent: Agentic Closed-Loop Program Synthesis for Automated EEG Spike Detection

EEG-SpikeAgent：用于自动脑电图尖峰检测的智能闭环程序合成

Sonali Santhosh, Kelly Shuhong Yu, Eugene Chang, Jonathan Kim, Kie Shidara, Danilo Bernardo

机构 * Dept. of Brain and Cognitive Sciences, Massachusetts Institute of Technology（脑科学与认知科学系，麻省理工学院） ； Dept. of Neuroscience, University of California, Berkeley（神经科学系，加州大学伯克利分校） ； Dept. of Neurology and Neurologic Sciences, Stanford University（神经病学与神经科学系，斯坦福大学） ； Weill Institute of Neurology and Neurosciences, University of California, San Francisco（Weill神经医学研究所，加州大学旧金山分校） ； University of California, San Francisco（加州大学旧金山分校） 纠错

专题命中 EEG解码 ：EEG(title,title_cn)；分类 cs.LG

AI总结 研究利用大语言模型智能系统，为头皮脑电图尖峰检测生成信号处理特征。核心方法是迭代提出特征模块并执行代码生成表格特征，评估性能后反馈优化。贡献是实现可审核的脑电图特征工程自动化。

Comments 7 pages, 5 figures

SA-HGNN: Sample-Adaptive Hyperbolic Graph Neural Network for EEG-Based Depression Recognition

SA-HGNN: 基于样本自适应双曲图神经网络的脑电图抑郁症识别

Yang Li, Pan Hu, Yan Zhang, Wenfan Yang, Tao Wu, Lianbo Guo

机构 * School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 提出SA-HGNN模型，通过样本自适应图构建、双曲图卷积和注意力池化模块，准确提取抑郁症脑网络的层次结构，在EEG数据集上优于现有方法。

Single-Channel EEG-Based Cognitive Load Assessment in Online Learning: A Hybrid Deep Learning Approach

基于单通道脑电图的在线学习认知负荷评估：一种混合深度学习方法

Rowan Hussein, Mohamed Ouf

机构 * University of Ottawa（渥太华大学） ； Queen’s University（女王大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 本研究使用单通道消费级EEG设备，通过混合CNN+LSTM+Attention模型区分在线教育视频内容的难易程度，在受试者内设置下达到78.5%准确率，并强调受试者独立评估应成为标准。

TinyCNNDeep: Lightweight Attention-Based CNN for EEG Classification of Eye States and Sleep Deprivation

TinyCNNDeep: 基于轻量级注意力CNN的脑电图眼状态与睡眠剥夺分类

Thien Nhan Vo, Yen Nhi Tran Thi, Ngan Nguyen Xuan Phuong, Xuan-The Tran

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.HC

AI总结 针对睡眠剥夺与眼状态联合分类问题，提出轻量级CNN模型TinyCNNDeep，结合残差学习和SE注意力模块，将多通道EEG转换为图像，在35名受试者数据上达到83.69%准确率，远超基线方法。

Transformer Based Model for Spatiotemporal Feature Learning in EEG Emotion Recognition

基于Transformer的脑电情绪识别时空特征学习模型

Xinglong Cui, Dian Gu

机构 * Beijing Neurodeep Technology Co., Ltd（北京纽罗德普科技有限公司） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 EEG解码 ：EEG(title,summary_cn)；分类 cs.LG

AI总结 提出EEG-TransNet架构，通过局部自注意力块和模糊注意力同步Transformer捕捉脑电信号的时空特征，在三个数据集上优于现有方法。